Новый алгоритм машинного обучения может такие объекты гораздо быстрее людей или классических методов обработки информации
ТАСС, 26 августа. Британские астрономы разработали алгоритм машинного обучения, который может анализировать снимки с телескопов TESS и "Кеплер" и проверять, действительно ли у далеких звезд существуют экзопланеты. В частности, он уже подтвердил существование 50 экзопланет, проанализировав данные "Кеплера". Результаты их работы опубликовал научный журнал Monthly Notices of the Royal Astronomical Society.
"Благодаря этому алгоритму мы перевели в категорию подтвержденных экзопланет сразу 50 кандидатов. Раньше никто не использовал для этого системы машинного обучения. Теперь мы не просто можем сказать, какой из кандидатов, скорее всего, представляет из себя планету, но и можем точно вычислить вероятность этого", - пояснил один из авторов исследования, планетолог из Уорикского университета (Великобритания) Дэвид Армстронг.
За последние несколько лет астрономы нашли более тысячи экзопланет и несколько тысяч кандидатов на эту роль. Большинство из них относится к так называемым горячим юпитерам - планетам размером с Юпитер, которые при этом находятся на порядок ближе к своей звезде, чем Меркурий к Солнцу. При этом среди экзопланет все чаще встречаются менее крупные планеты, которые по размеру сопоставимы с Землей.
Большую часть известных экзопланет открыл телескоп "Кеплер". На протяжении почти четырех лет он непрерывно следил за сотнями тысяч звезд, которые находятся на границе созвездий Лебедя и Лиры. Если на его снимках было видно, что у какой-то звезды периодически снижается яркость, то это могло быть знаком, что ее время от времени "загораживала" от телескопа вращающаяся вокруг светила планета. Такое явление астрономы называют прохождением или транзитом.
Впрочем, причиной этого могут быть и другие явления, в том числе процессы внутри самих светил. Как правило, длительные наблюдения позволяют отделить одно от другого, однако для этого нужно очень долго и кропотливо сравнивать изображения и анализировать все доступные научные данные об активности звезды.
Подсказки искусственного разума
Британские ученые разработали алгоритм машинного обучения, который может решить эту задачу быстрее и качественнее человека или классических статистических методов анализа информации. Он представляет собой многослойную нейросеть, которая может отыскивать скрытые закономерности в серии снимков звезд.
Для тренировки этого искусственного интеллекта ученые использовали набор данных, которые "Кеплер" собрал при открытии уже подтвержденных экзопланет, а также объектов, существование которых впоследствии не подтвердилось. Всего для обучения через искусственный интеллект прогнали более 30 тыс. транзитов.
Работу алгоритма ученые проверили на нескольких сотнях еще не подтвержденных планет из каталога "Кеплера". Алгоритм выделил 50 объектов, которые с вероятностью более чем 99% представляют из себя экзопланеты. Впоследствии астрономы подтвердили это с помощью других методов анализа данных.
Исследователи считают, что их разработку можно использовать для автоматизированного и очень быстрого поиска новых экзопланет. Алгоритм может анализировать данные с TESS и других телескопов в режиме реального времени. В частности, Армстронг и его коллеги надеются, что их методику используют в работе строящейся европейской космической обсерватории PLATO, запуск которой намечен на 2026 год.